马云不懂技术如何做网站百度怎么做关键词优化

马云不懂技术如何做网站,百度怎么做关键词优化,ps毕业设计做网站界面,app的开发需要哪些费用第六章#xff1a;AI发展的驱动因素 6.1 计算能力的提升 摩尔定律#xff1a; 原始表述#xff08;1965年#xff0c;Gordon Moore#xff09;#xff1a;集成电路上可容纳的晶体管数量每18-24个月翻一番实际影响#xff1a;计算能力#xff08;CPU性能#xff09;大致…第六章AI发展的驱动因素6.1 计算能力的提升摩尔定律原始表述1965年Gordon Moore集成电路上可容纳的晶体管数量每18-24个月翻一番实际影响计算能力CPU性能大致遵循这个规律现状2010s后期开始放缓但仍在增长AI时代的计算GPU、TPU等专用芯片成为AI计算的主力遵循类似的增长规律GPU的普及2000sGPU开始用于科学计算2010sGPU成为深度学习训练的标准2020s专用AI芯片TPU、NPU出现云计算降低了AI开发的门槛提供了弹性的计算资源使得小团队也能训练大模型6.2 数据的爆炸式增长数据来源互联网网页、社交媒体传感器IoT设备企业数据用户行为、交易记录数据规模2000sGB级2010sTB级2020sPB级数据质量数据清洗工具数据标注平台数据质量管理6.3 算法的创新关键算法反向传播1986年Rumelhart、Hinton和Williams重新发现并推广卷积神经网络1980s-1990sLeCun等人在LeNet中应用LSTM1997年Hochreiter和Schmidhuber提出解决RNN的长期依赖问题Transformer2017年Vaswani等人提出开启大语言模型时代扩散模型2020sDDPM2020年等在图像生成领域取得突破算法优化优化器Adam2014年自适应学习率优化器AdamW2017年Adam的改进版修正权重衰减正则化Dropout2012年Hinton等人提出防止过拟合BatchNorm2015年Ioffe和Szegedy提出加速训练并提高稳定性架构创新残差连接2015年ResNet的核心解决深度网络的退化问题注意力机制2014年提出2017年Transformer中发扬光大6.4 开源生态开源框架TensorFlowGooglePyTorchMetaJAXGoogle开源模型BERT2018年Google双向编码器开源GPT系列GPT-22019年开源GPT-32020年闭源GPT-42023年闭源LLaMA2023年Meta开源大语言模型系列Mistral2023年Mistral AI开源大语言模型DeepSeek系列2023-2024年开源大语言模型代码能力突出开源社区GitHub代码共享Hugging Face模型分享Papers with Code论文和代码第七章AI的未来展望7.1 通用人工智能AGI定义具备人类水平通用智能的AI能够理解和学习任何人类能做的任务。挑战常识推理持续学习多任务迁移创造性思维时间线乐观估计10-20年保守估计50年以上可能永远无法实现7.2 多智能体系统趋势多个AI智能体协作智能体间通信协议MCP、A2A分布式AI系统应用场景复杂任务分解多领域协作智能体生态7.3 AI与人类的协作增强智能不是替代人类而是增强人类能力。应用AI辅助决策人机协作创作智能助手7.4 技术挑战1. 可解释性模型为什么做出这个决策如何让用户信任AI2. 安全性对抗攻击模型鲁棒性隐私保护3. 效率模型压缩边缘计算绿色AI4. 公平性消除偏见公平算法包容性设计总结与思考历史给我们的启示技术发展需要时间不要过度承诺但要保持乐观基础研究很重要今天的应用建立在昨天的研究上数据、算法、算力缺一不可三者共同推动AI发展开源与闭源并存各有优势共同发展当前AI的特点规模大模型、数据、计算都在增长能力强多模态、通用能力、涌现能力应用广各行各业都在应用AI发展快新技术不断涌现未来展望AGI终极目标但道路漫长多智能体协作是未来趋势人机协作增强而非替代技术挑战可解释性、安全性、效率、公平性学习建议理解历史知道AI为什么是今天这个样子关注趋势了解当前的发展方向实践应用将AI应用到实际问题中思考未来思考AI对社会的长远影响记住历史不会重复但会押韵。理解过去才能更好地把握未来。